مدیریت، آموزش و توسعه در عصر دیجیتال 3 آبان ماه 1405 1405 10 01 AI-Driven Instructional Leadership: Multilevel Modeling of Principals’ Data Literacy, Predictive Decision-Making, and Teaching Quality رهبری آموزشی مبتنی بر هوش مصنوعی: مدل‌یابی چندسطحی سواد داده‌ای مدیران، تصمیم‌گیری پیش‌بین و کیفیت تدریس 1 13 FA امیر امیری رشخوار گروه علوم تربیتی، واحدتربت حیدریه، دانشگاه آزاد اسلامی، تربت حیدریه، ایران. توکل دادرس گروه علوم تربیتی، واحدتربت حیدریه، دانشگاه آزاد اسلامی، تربت حیدریه، ایران. Journal Article 1404/06/02 <p>A sequential exploratory mixed-methods design was used. The qualitative phase involved interviews with 19 educational experts and principals, analyzed through open, axial, and selective coding. The quantitative phase surveyed 384 teachers and principals using validated questionnaires assessing data literacy, predictive decision-making, and teaching quality. Data analysis included structural equation modeling and multilevel modeling to assess direct and indirect effects. Results showed that principals’ data literacy significantly predicted predictive decision-making (β=0.63) and teaching quality (β=0.27). Predictive decision-making also significantly influenced teaching quality (β=0.48). Mediation analysis confirmed that part of the effect of data literacy on teaching quality operates indirectly through predictive decision-making (β=0.30). Multilevel analysis indicated significant between-school variance in teaching quality. Findings indicate that AI-driven instructional leadership is most effective when principals possess high levels of data literacy and use predictive decision-making to enhance instructional quality. Predictive decision-making represents a key mechanism linking data literacy to teaching outcomes.</p> <p>هدف این پژوهش تبیین و آزمون مدل چندسطحی اثر سواد داده‌ای مدیران بر کیفیت تدریس با میانجی‌گری تصمیم‌گیری پیش‌بین مبتنی بر هوش مصنوعی است. این پژوهش با رویکرد آمیخته اکتشافی انجام شد. در بخش کیفی، ۱۹ نفر از مدیران و خبرگان آموزشی به‌صورت هدفمند انتخاب و داده‌ها از طریق مصاحبه نیمه‌ساختاریافته گردآوری و با روش کدگذاری تحلیل شد. در بخش کمی، نمونه‌ای شامل ۳۸۴ معلم و مدیر با استفاده از روش نمونه‌گیری طبقه‌ای انتخاب شدند و داده‌ها با پرسشنامه‌های استاندارد سواد داده‌ای، تصمیم‌گیری پیش‌بین و کیفیت تدریس گردآوری و با مدل‌سازی معادلات ساختاری و تحلیل چندسطحی مورد بررسی قرار گرفت. نتایج نشان داد سواد داده‌ای مدیران اثر مستقیم معناداری بر تصمیم‌گیری پیش‌بین (β=0.63) و کیفیت تدریس (β=0.27) دارد. تصمیم‌گیری پیش‌بین نیز اثر مستقیم و معناداری بر کیفیت تدریس دارد (β=0.48). همچنین تحلیل میانجی‌گری مشخص کرد که بخشی از اثر سواد داده‌ای بر کیفیت تدریس از طریق تصمیم‌گیری پیش‌بین منتقل می‌شود (β=0.30). مدل چندسطحی وجود تفاوت معنادار بین مدارس در کیفیت تدریس را تأیید کرد. یافته‌ها نشان می‌دهد رهبری آموزشی مبتنی بر هوش مصنوعی زمانی بیشترین تأثیر را دارد که مدیران دارای سواد داده‌ای بالا بوده و از تصمیم‌گیری پیش‌بین برای ارتقای کیفیت تدریس استفاده کنند. تصمیم‌گیری پیش‌بین سازوکار اصلی اثرگذاری سواد داده‌ای بر پیامدهای آموزشی است.</p> https://jmedda.com/jmedda/article/download/367/254